标题

《小鑫发现》之深度学习的OCR服务

介绍

偶然发现的一个深度学习框架，PaddlePaddle 飞桨，他是百度开源的一套深度学习框架。相比Tensor,Pytorch，主要是他整个生态，它提供多个工具可以使用，让我们更方便的去了解和使用。 这次只是简单的带来一个计入Paddle-hub发布一个文字识别的ocr，让大家用最少的代码，构建一个ocr服务，感受一下paddle的魅力。 在后续我会慢慢的体验Paddle，总结一套Paddle的实战。

版本和下载

paddlepaddle 2.0.0rc1 下载地址 python 3.7

搭建环境

本人是Mac系统所以都选用Mac的环境，另外他可以提供docker也很方便。

另外这里记两个源，一个百度 mirror.baidu.com/pypi/simple 一个是清华 pypi.tuna.tsinghua.edu.cn/simple

分别执行下列语句，我这里就不在执行效果了，因为我已经安装一遍了，没什么太大问题，很顺利。

$ pip install paddlepaddle==2.0.0rc -i https://mirror.baidu.com/pypi/simple
$ pip install paddlehub==2.0.0rc0 -i https://mirror.baidu.com/pypi/simple
$ pip install shapely -i https://pypi.tuna.tsinghua.edu.cn/simple
$ pip install pyclipper -i https://pypi.tuna.tsinghua.edu.cn/simple

该Module依赖于第三方库shapely、pyclipper，使用该Module之前，请先安装shapely、pyclipper

$ hub run chinese_ocr_db_crnn_mobile --input_path test_ocr.jpg --visualization=True --output_dir='ocr_result'

上面的命令解释一下，他是本地化运行，去检测一张图片里问题，暂时还不是服务化。 另外本次运行的命令和文件都在一个文件夹下，大家自行建立，意思命令都在这个文件内执行，图片在这个文件夹里。 --input_path 是需要输入的图片 --output_dir 是结果输出的目录，到时候后在当前目录自行创建 --visualization=True 这个我也没明白，我知道的就是配合上面那个命令使用，能够保存。

执行截图。

命令执行结果，不直观？那就还记得那个输出结果图片吗，直接上图。

个人感觉精度还是挺高的。再试试身份证。图片地址 http://ww1.sinaimg.cn/large/8a53ebb9ly1gn147b5eq4j20n20fe76n.jpg

$ hub run chinese_ocr_db_crnn_mobile --input_path test_ocr1.jpg --visualization=True --output_dir='ocr_result'

结果

接下来就是构建成一个service服务，接口提供出来。

$ hub serving start -m chinese_ocr_db_crnn_server

-m 是加载哪个module，也就是训练模型 -p 是设置端口，默认是8866

启动，看上面是提示，大家可要注意。

测试的ocr接口地址是 http://127.0.0.1:8866/predict/chinese_ocr_db_crnn_server，post请求，请求头要有 "Content-type": "application/json"

这次图片是 http://ww1.sinaimg.cn/large/8a53ebb9ly1gn14laee68j20iw0ck40o.jpg

请求体body，images里是图片的base64的地址，以为base64太大，这里就不粘贴，给一个网站去转换 https://tool.lu/base64image/ ，但是记住，这个不需要转换出来前面的标识，意思就是将data:image/jpeg;base64,这个开头删掉，只要base64的内容，谨记，不然会有object错误。

{
    "images": [
        ""
    ]
}

{
    "msg": "",
    "results": [
        {
            "data": [
                {
                    "confidence": "" , // 这个是识别文本结果置信度
                    "text": "", // 这个是识别到的文本
                    "text_box_position": [] // 这是文本框在原图中的像素坐标，4*2的矩阵，依次表示文本框左下、右下、右上、左上顶点的坐标 如果无识别结果则data为[]
                }
            ],
            "save_path": "" //识别结果的保存路径，如不保存图片则save_path为''，咱们这次启动服务没有配置
        }
    ],
    "status": "000"
}

总结

整体就是到这里，是不是感觉很简单，当然这是一次入门的尝试，训练模型也是官方提供的，其实可以深入研究之后，自己利用paddlepaddle去构建自己的训练模型，预测模型，识别模型等。

参考连接

PaddleHub一键识别OCR PaddlePaddle官网